[发明专利]一种手写轨迹识别方法、装置、设备及介质在审
申请号: | 202110336981.7 | 申请日: | 2021-03-30 |
公开(公告)号: | CN112733816A | 公开(公告)日: | 2021-04-30 |
发明(设计)人: | 张子浩;杨家博;李兵 | 申请(专利权)人: | 北京世纪好未来教育科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34 |
代理公司: | 北京开阳星知识产权代理有限公司 11710 | 代理人: | 袁义科 |
地址: | 100089 北京市海淀区中*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 手写 轨迹 识别 方法 装置 设备 介质 | ||
1.一种手写轨迹识别方法,其特征在于,包括:
获取轨迹数据,所述轨迹数据包括多个坐标点;
根据所述轨迹数据,得到与所述轨迹数据中坐标点对应的序列矩阵;
将所述序列矩阵输入到预先训练完成的字符识别模型中,确定所述轨迹数据对应的字符。
2.根据权利要求1所述的方法,其特征在于,所述根据所述轨迹数据,得到与所述轨迹数据中坐标点对应的序列矩阵,包括:
将所述轨迹数据中的坐标点进行预处理;
对所述预处理后的轨迹数据进行采样,得到目标轨迹;
根据所述目标轨迹中的坐标点,得到与所述目标轨迹中坐标点对应的序列矩阵。
3.根据权利要求2所述的方法,其特征在于,所述将所述轨迹数据中的坐标点进行预处理,其中坐标点包括横坐标和纵坐标,所述方法包括:
获取所述轨迹数据中横坐标的最大值和最小值;获取所述轨迹数据中纵坐标的最大值和最小值;
根据所述横坐标的最小值和纵坐标的最小值,生成坐标原点;
根据所述坐标原点对所述轨迹数据中的坐标点进行数据归一化;
根据所述横坐标的最大值和最小值,确定第一边长;根据所述纵坐标的最大值和最小值,确定第二边长;
根据所述第一边长、第二边长和预设边长,对所述数据归一化后的轨迹数据中的坐标点进行缩放。
4.根据权利要求2所述的方法,其特征在于,所述对所述预处理后的轨迹数据进行采样,得到目标轨迹,包括:
确定所述预处理后的轨迹数据中坐标点的数量;
判断所述坐标点的数量是否大于预设阈值,如果是,则按照采样频率对所述预处理后的轨迹数据的坐标点进行采样,得到目标轨迹;
如果否,则将预设坐标点添加至所述预处理后的轨迹数据中,得到目标轨迹。
5.根据权利要求4所述的方法,其特征在于,所述按照采样频率对所述预处理后的轨迹数据的坐标点进行采样,包括:
根据所述坐标点的数量和所述预设阈值,确定采样频率;
按照所述采样频率对所述预处理后的轨迹数据的坐标点进行采样,得到目标轨迹。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标轨迹中的坐标点,得到与所述目标轨迹中坐标点对应的序列矩阵,包括:
根据所述目标轨迹中坐标点的横坐标和纵坐标,按照所述目标轨迹中每个坐标点生成的时间顺序,得到与所述目标轨迹中坐标点对应的序列矩阵。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述序列矩阵输入到预先训练完成的字符识别模型中,得到所述轨迹数据对应的概率值。
8.根据权利要求1所述的方法,其特征在于,所述获取轨迹数据之前,所述方法还包括:
获取第一轨迹数据样本、所述第一轨迹数据样本中的字符以及所述第一轨迹数据样本中的概率值;
构建字符识别网络,根据所述第一轨迹数据样本、所述第一轨迹数据样本中的字符和所述第一轨迹数据样本中的概率值对所述字符识别网络进行训练,得到字符识别模型。
9.一种手写轨迹识别装置,其特征在于,包括:
获取模块,用于获取轨迹数据,所述轨迹数据包括多个坐标点;
序列矩阵生成模块,用于根据所述轨迹数据,得到与所述轨迹数据中坐标点对应的序列矩阵;
字符识别模块,用于将所述序列矩阵输入到预先训练完成的字符识别模型中,确定所述轨迹数据对应的字符。
10.一种手写轨迹识别设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-8中任一所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京世纪好未来教育科技有限公司,未经北京世纪好未来教育科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110336981.7/1.html,转载请声明来源钻瓜专利网。